NEW
Font size
WorksheetsPost test data science day 24
Total questions: 10
Worksheet time: 4mins
code yang dimasukkan untuk menginstall library untuk mengerjakan unsupervised machine learning dengan python adalah...
!pip install scikit-plot
import matplotlib.pyplot as plt
install scikit-plot
import matplot.pyplot as plt
Dalam melakukan unsupervised machine learning, diperlukan tahap exploratory data analysis. Dalam tahap tersebut, untuk check outlier, digunakan
data visualization
boxplot
ggplot
statistical analysis
Tahap pertama dalam step PCA adalah...
check the data
load the algorithm
add new name for the new column
check the explained variance
Untuk melakukan simple data checking dalam rangka mendapatkan informasi general dari dataframe, digunakan...
df.general()
df.data()
df.info()
print(df.columns)
df[df.isnull().any(axis=1)]
Merupakan contoh.. code untuk melakukan.
check simple statistic of the numeric value
check standard missing value untuk multiple column
check standard missing value untuk single column
check outlier
Tahap awal dari PCA setelah melakukan train data and transform adalah...
show in 2D plot
check the shape of the result
check the explained variance
check explained variance for each number of component
Metode yang digunakan untuk mendefinisikan the best cluster dalam tahap clustering adalah...
elbow method
k-means method
fox in method
standard method
Untuk melihat hasil akhir clustering setelah melakukan data training, digunakan...
final_df.head()
final_df.tail()
result_df.head()
result_df.tail()
Sementara untuk melihat bentuk dari hasil data training pada PCA, yang perlu diinput adalah...
pca_array.shape
pca_feature_total.shape
pca_feature_array.shape
pca_feature()
Function untuk melakukan show in 2Dplot adalah...
pca_feature_df.2D()
pca_feature_df.plot.scatter()
pca_2Dshow_df.plot.scatter()
pca_df.plot.scatter_2D()
